模糊PID控制器的设计与仿真——设计步骤

模糊PID控制器的设计与仿真

设计模糊PID控制器时，首先要将精确量转换为模糊量，并且要把转换后的模糊量映射到模糊控制论域当中，这个过程就是精确量模糊化的过程。模糊化的主要功能就是将输入量精确值转换成为一个模糊变量的值，最终形成一个模糊集合。

本次设计系统的精确量包括以下变量：变化量e，变化量的变化速率ec还有参数整定过程中的输出量△ K P，△ K D，△ K,在设计模糊PID的过程中，需要将这些精确量转换成为模糊论域上的模糊值。本系统的误差与误差变化率的模糊论域与基本论域为：E=[-6,-4,-2,0,2,4,6];Ec=[-6,-4,-2,0,2,4,6] 。

模糊PID控制器的设计选用二维模糊控制器。以给定值的偏差e和偏差

变化ec为输入；△ K P，△ K D，△ K为输出的自适应模糊PID控制器，见图1。

图1模糊PID控制器

(1) 模糊变量选取

输入变量E和EC的模糊化将一定范围(基本论域)的输入变量映射到离散区

间(论域)需要先验知识来确定输入变量的范围。就本系统而言，设置语言变量取

七个，分别为NB, NM NS ZQ PS, PM PB

(2) 语言变量及隶属函数

根据控制要求，对各个输入，输出变量作如下划定：

e，ec 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}

△心，△ K D，△ K 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} 应用模糊合成推理PID参数的整定算法。第k个采样时间的整定为

K p(k)二K p。：K p(k) , Kdk)二K I。水心),K°(k)二K D。 *D(k).

式中K P0,K|0,K D0为经典PID控制器的初始参数

设置输入变量隶属度函数如图2所示，输出变量隶属度函数如图 3

所示

Membership Function Editor; fuzzyl File Edit View

Current Van able

Current Membershiip Function (click on MF to select) Name e Name zo

Type

input TyP? gLaussmf v

Range

[-6 6]

Params [0.B493 OJ

Display Range [-6 &]

Ready

图2输入变量隶属度函

Membership Function Editor: fuz2y1

File Edit View

图3输出变量隶属度函

(3) 编辑模糊规则库

的控制规则如下所示：

FIS v^riable& ki

kcl

Membership fuitctlon plots- otat oonis ： 181

FIS vulablas ec ki

w htemi 祐活術p funaBon pkk 憎 “刃m ■肝咏 101

根据以上各输出参数的模糊规则表，可以归纳出49条控制逻辑规则，具体

1. If (e is NB) and (ec is NB) then (kp is NB)(ki is PB)(kd is NS)(1)

2. If (e is NB) and (ec is NM) then (kp is NB)(ki is PB)(kd is PS)(1)

3. If (e is NB) and (ec is NS) then (kp is NM)(ki is PM)(kd is PB)(1)

4. If (e is NB) and (ec is ZO) then (kp is NM)(ki is PM)(kd is PB)(1)

5. If (e is NB) and (ec is PS) then (kp is NS)(ki is PS)(kd is PB)(1)

6. If (e is NB) and (ec is PM) then (kp is ZO)(ki is ZO)(kd is PM)(1)

7. If (e is NB) and (ec is PB) then (kp is ZO)(ki is ZO)(kd is NS)(1)

8. If (e is NM) and (ec is NB) then (kp is NB)(ki is PB)(kd is NS)(1)

9. If (e is NM) and (ec is NM) then (kp is NB)(ki is PB)(kd is PS)(1)

10. If (e is NM) and (ec is NS) then (kp is NM)(ki is PM)(kd is PB)(1)

11. If (e is NM) and (ec is ZO) then (kp is NS)(ki is PS)(kd is PM)(1)

12. If (e is NM) and (ec is PS) then (kp is NS)(ki is PS)(kd is PM)(1)

13. If (e is NM) and (ec is PM) then (kp is ZO)(ki is ZO)(kd is PS)(1)

14. If (e is NM) and (ec is PB) then (kp is PS)(ki is ZO)(kd is ZO)(1)

15. If (e is NS) and (ec is NB) then (kp is NM)(ki is PB)(kd is ZO)(1)

16. If (e is NS) and (ec is NM) then (kp is NM)(ki is PM)(kd is PS)(1)

17. If (e is NS) and (ec is NS) then (kp is NM)(ki is PS)(kd is PM)(1)

18. If (e is NS) and (ec is ZO) then (kp is NS)(ki is PS)(kd is PM)(1)

19. If (e is NS) and (ec is PS) then (kp is ZO)(ki is ZO)(kd is PS)(1)

20. If (e is NS) and (ec is PM) then (kp is PS)(ki is NS)(kd is PS)(1)

21. If (e is NS) and (ec is PB) then (kp is PS)(ki is NS)(kd is ZO)(1)

22. If (e is ZO) and (ec is NB) then (kp is NM)(ki is PM)(kd is ZO)(1)

23. If (e is ZO) and (ec is NM) then (kp is NM)(ki is PM)(kd is PS)(1)

24. If (e is ZO) and (ec is NS) then (kp is NS)(ki is PS)(kd is PS)(1)

25. If (e is ZO) and (ec is ZO) then (kp is ZO)(ki is ZO)(kd is PS)(1)

26. If (e is ZO) and (ec is PS) then (kp is PS)(ki is NS)(kd is PS)(1)

27. If (e is ZO) and (ec is PM) then (kp is PM)(ki is NM)(kd is PS)(1)

28. If (e is ZO) and (ec is PB) then (kp is PM)(ki is NM)(kd is ZO)(1)

29. If (e is PS) and (ec is NB) then (kp is NS)(ki is PM)(kd is ZO)(1)

30. If (e is PS) and (ec is NM) then (kp is NS)(ki is PS)(kd is ZO)(1)

31. If (e is PS) and (ec is NS) then (kp is ZO)(ki is ZO)(kd is ZO)(1)

32. If (e is PS) and (ec is ZO) then (kp is PS)(ki is NS)(kd is ZO)(1)

33. If (e is PS) and (ec is PS) then (kp is PS)(ki is NS)(kd is ZO)(1)

34. If (e is PS) and (ec is PM) then (kp is PM)(ki is NM)(kd is ZO)(1)

35. If (e is PS) and (ec is PB) then (kp is PM)(ki is NB)(kd is ZO)(1)

36. If (e is PM) and (ec is NB) then (kp is NS)(ki is ZO)(kd is NB)(1)

37. If (e is PM) and (ec is NM) then (kp is ZO)(ki is ZO)(kd is PS)(1)

38. If (e is PM) and (ec is NS) then (kp is PS)(ki is NS)(kd is NS)(1)

39. If (e is PM) and (ec is ZO) then (kp is PM)(ki is NS)(kd is NS)(1)

40. If (e is PM) and (ec is PS) then (kp is PM)(ki is NM)(kd is NS)(1)

41. If (e is PM) and (ec is PM) then (kp is PM)(ki is NB)(kd is NS)(1)

42. If (e is PM) and (ec is PB) then (kp is PB)(ki is NB)(kd is NB)(1)

43. If (e is PB) and (ec is NB) then (kp is ZO)(ki is ZO)(kd is NB)(1)

44. If (e is PB) and (ec is NM) then (kp is ZO)(ki is ZO)(kd is NM)(1)

45. If (e is PB) and(ec is NS) t hen (kp is PM)(ki is NS)(kd is NM)(1)

46. If (e is PB) and(ec is ZO) t hen (kp is PM)(ki is NM)(kd is NM)(1)

47. If (e is PB) and(ec is PS) t hen (kp is PM)(ki is NM)(kd is NS)(1)

48. If (e is PB) and(ec is PM)then (kp is PB)(ki is NB)(kd is NS)(1)

49. If (e is PB) and(ec is PB) t hen (kp is PB)(ki is NB)(kd is NB)(1)

把这49条控制逻辑规则，键入到模糊规则库中，如图

4。

File Edit View Options 2. If (e is NB} and (ec is NB) than (kp is

NBXki is PBXkd is PS)(1) 3 If (e is NB}即d (ec 衍 NS) then (kp 19 iNMXki is i 号 PB) (1)

4. If(e is NB) and (ec is ZO} then (kp is NM?ki is PM)(kd is PB) (1) 5 If (e is NB) and (K i? PS) then (kp 13 MS^ki

13 PSXkd is PB) (1) 6. If (e is NB) and (? is PM) then (kp is ZO)(陌 is ZONW is PM) (1)

7 If (e is NB} an-d 怛匚 is PB) then (kp is ZO)(ki is ZO^kd is NS) (1)

8 If (e is NM) and (K is NB) then (kp is NBRkj is P9)(kdl is NS) (1)

9 If (e is NM) and (ec is MM) llhen 伙p is NB){ki 治 PS>(kd i-s PS)⑴

10 IT(e is NM) and (?c is NSJ lhwi (kp is NMMki is PM)(kd is PM) (1) 11. If{e is NM) and (? is 20} Ih&n (kp is

NSXki is PSXkd is PM}⑴ 12 lf (e is NM) andl (ec is PS) lhen (kp is NSXki is PSMbl is PM) (1) 13. IF (a is NM)

and (?c is PM) then (kpis ZO 脚 由 ZOKkd is PS)⑴ 14 If fg jg 时胡)拠 fgg jg FMI) then Qcp jg 亘ZQKkd 亘型口\

图4模糊规则库

FIS Name, fuzzy 1 Close

Rule Editor ： fuzzyl

1 If 俚jg 卅日）and 阻逗N 日］小的（kp jg 毋日凹〔阀馬N 寻）口

(5)模糊PID控制器仿真

利用MATLAB^件中的Simulink仿真环境，可以对模糊PID控制器系统进行模拟仿真实验，来检验设计是否达到要求。针对本次控制器设计，我们设置被控对象

为10，根据被控对象，设置相应的PID参数(s+1)( s+2)( s + 3)( s+4)'

为：K P=6; K|=3; K D=2O图5为控制器系统在Simulink中的仿真模型。

为了方便与传统PID控制器进行比较，在Simulink仿真环境中作出传统PID 控制以便于对模糊PID进行比较。在传统PID控制器中设置相应的PID参数为：

K P =6; K I =3; K D =2O图6是传统PID与模糊PID控制器在Simulink中的阶跃仿

真波形比较。

图5传统PID与模糊PID控制器在Simulink中的仿真模型

A Scope

台妙叫仓*囚每坯0 0 匹目

图6传统PID与模糊PID控制器在Simulink中的阶跃仿真波形比较

图6中，黄色线为输入的阶跃信号，紫色为输出的传统PID控制信号，青色为输出的模糊PID控制信号，通过图1-7中传统PID控制方式与模糊PID控制控制曲线的对比结果可以看出，模糊控制的控制性能要明显好于传统的PID控制效果。

我们把输入信号变为正弦信号再一次进行传统PID与模糊PID控制器的对比。把图5的输入阶跃信号改为输入正弦信号即可进行正弦信号的跟踪。图7

是传统PID与模糊PID控制器在Simulink中的正弦仿真波形比较。

廷1 Scope

图7传统PID与模糊PID控制器在Simulink中的正弦仿真波形比较

图7中，黄色线为输入的正弦信号，紫色为输出的传统PID控制信号，青色为输出的模糊PID控制信号，通过图7中传统PID控制方式与模糊PID控制控制曲线的对比结果可以看出，依旧是模糊控制的控制性能要明显好于传统的PID 控制效果。

模糊PID控制器的设计与仿真——设计步骤(修改)

模糊PID 控制器的设计与仿真 设计模糊PID 控制器时，首先要将精确量转换为模糊量，并且要把转换后的模糊量映射到模糊控制论域当中，这个过程就是精确量模糊化的过程。模糊化的主要功能就是将输入量精确值转换成为一个模糊变量的值，最终形成一个模糊集合。 本次设计系统的精确量包括以下变量：变化量e ，变化量的变化速率ec 还有参数整定过程中的输出量ΔK P ，ΔK D ，ΔK I ，在设计模糊PID 的过程中，需要 将这些精确量转换成为模糊论域上的模糊值。本系统的误差与误差变化率的模糊论域与基本论域为：E=[-6,-4,-2,0,2,4,6];Ec=[-6,-4,-2,0,2,4,6]。 模糊PID 控制器的设计选用二维模糊控制器。以给定值的偏差e 和偏差变化ec 为输入；ΔK P ，ΔK D ，ΔK I 为输出的自适应模糊PID 控制器，见图1。 图1模糊PID 控制器 （1）模糊变量选取 输入变量E 和EC 的模糊化将一定范围(基本论域)的输入变量映射到离散区间(论域)需要先验知识来确定输入变量的范围。就本系统而言，设置语言变量取七个，分别为 NB ，NM ，NS ，ZO ，PS ，PM ，PB 。 (2)语言变量及隶属函数 根据控制要求，对各个输入，输出变量作如下划定： e ，ec 论域：｛-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6｝ ΔK P ，ΔK D ，ΔK I 论域：｛-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6｝ 应用模糊合成推理PID 参数的整定算法。第k 个采样时间的整定为 ).()(,)()(,)()(000k K K k K k K K k K k K K k K D D D I I I P P P ?+=?+=?+= 式中000,,D I P K K K 为经典PID 控制器的初始参数。

模糊控制器的设计

模糊控制器的设计 PID控制器的设计 的PID控制方法设计控制器时，由于被控对象为零型系统，因此我们必须加 入积分环节保证其稳态误差为0。 首先，我们搭建simulink模型，如图1。 图1 simulink仿真模型 由于不知道Kp，Kd, Ki，的值的大致范围，我们采用signal constraints 模块进行自整定，输入要求的指标，找到一组Kp, Kd, Ki的参数值，然 后在其基础上根据经验进行调整。当选定Kp=2, Kd=0.95, Ki=0.8时，可 以得到比较好的响应曲线。调节时间较短，同时超调量很小。响应曲线如图2所示。 将数据输出到工作空间，调节时间ts=2.04s,超调量% 0。可以看出, PID控制器的调节作用已经相当好。 我们选定的被控对象的开环传递函数为G(s)厂中，采用经典 图2 PID控制响应曲线

模糊控制器的设计 1、模糊控制器的结构为： 图3模糊控制器的结构 2、控制参数模糊化 控制系统的输入为偏差e和偏差的变化率ec，输出为控制信号u。首先对他们进行模糊化处理。 量化因子的计算k X max X min * x max*X min 比例因子的计算k * u max * u min u max u min 其中，X；ax，X；in为输入信号实际变化范围的最大最小值；X max，X min为输入信号论域的最大最小值。U；ax，为控制输出信号实际变化范围的最大最小值， U max，U min输出信号论域的最大最小值。 表1被控参数的模糊化 相应的语言值为NB, NM，NS, ZO, PS PM，PB分别表示负大、负中、负小、零、正小、正中、正大。 3、确定各模糊变量的隶属函数类型 语言值的隶属度函数就是语言值的语义规则，可分为连续式隶属度函数和离散化的隶属度函数。本系统论域进行了离散化处理，所以选用离散量化的隶属度函数。

PID控制;模糊控制;模糊PID控制器

摘要 交流伺服电机现广泛应用于机械结构的驱动部件和各种数控机床。PID控制是伺服系统中使用最多的控制模式之一。尽管传统的PID控制系统构造简单、运转稳定，但交流伺服电机存在非线性的、强耦合。当参数变动或非线性因素的影响发生变化时，控制不能实时改动，不能满足系统高性能、高精度的要求。结合模糊控制和传统PID控制成一种新的控制方法--模糊PID控制是解决上述问题的一种很好的途径。模糊控制器不需要被控对象的数学模型，而是根据之前人为设定的控制要求设计用来控制的决策算法，使用此方式确定控制量。模糊控制和传统PID控制融合的结果，不单具有模糊控制的高性能，还具备传统PID控制精准度高的长处。 本文对PID控制算法的原理和模糊控制算法作了简要的描述和比较。指出模糊PID混合控制法，在误差很大时使用模糊控制,在不大时使用PID控制,在MATLAB软件中，对交流伺服系统的位置控制进行了仿真。结果表明，该控制系统仿真结果与理论上差距较小。 关键词：PID控制；模糊控制；模糊PID控制器；MATLAB 第1章绪论 1.1 研究课题的任务 本课题的任务是了解交流伺服系统，比较并结合两种控制的优点，结合成一种新的控制方式--模糊PID控制。该控制法在系统输出差距大时采用模糊控制，而在差距较小时采用PID控制。文章最后给出了模糊PID位置控制的MATLAB响应图，同时给出了常规PID控制下的效果图，并比较分析。 1.3 交流伺服系统工作原理 相对单一的系统，其一般是根据位置检测反馈组成闭环位置伺服系统。其组成框图参考图1-1内容[14]。 此类系统主要原理是对比输入的目标位置信号和位置检测设备测试的真实位置信号统计其偏差且使用功率变换器的输入端弱化误差。控制量被信号转换和功率放大驱动，驱动伺服组织，促使误差不断缩减少，一直到最佳值。 （1）位置检测装置是此类系统的关键构成方面，完整系统的动态功能是否可以满足需求，关键的是位置检测传感器的科学选择以及精度。当前普遍使用的位置传感器主要是接触式，接近式，曲轴位置，节气门位置等多种类型的传感器。 （2）在此类系统中，功率变换器是完成此类电机高性能调速的关键。此外，它应该具备较稳定的输出功率和较高的调频电压精度，而且还需要在有温差是稳定运行的能力、较强的电磁抗干扰能力、系统异常保护的功能。 （3）伺服电机是伺服系统的主要组成部分。伺服电机具有良好的低速特性是伺服电机具有高精度的关键。伺服系统的快速响应（急停，启动）也指出此类电机需要具备更小的转动惯量、较高加速转矩（过载转矩）、相对平稳性等。当前被普遍使用的主要是感应式交流异步电动机等类型。 （4）控制器其一般包含微处理芯片，比如微处理器以及数字信号处理器（DSP）等部分。 一般闭环控制系统的功能更加完善，具备方位、速度与电流反馈等功能。参考图1-2可知。 图1-2 交流伺服系统的三闭环结构 电流环和速度环全部是内环。前者的功能是： 提升内环控制主体的传递函数的精准性，促进系统的平稳运作。 避免电流环内部的干扰； 防止发生电路内电流超出额定数值的问题，保证系统的安全运行。

模糊控制器的设计

模糊控制器的设计 一、 PID 控制器的设计 我们选定的被控对象的开环传递函数为3 27 ()(1)(3)G s s s = ++，采用经典的PID 控 制方法设计控制器时，由于被控对象为零型系统，因此我们必须加入积分环节保证其稳态误差为0。 首先，我们搭建simulink 模型，如图1。 图1simulink 仿真模型 由于不知道Kp ，Kd ，Ki ，的值的大致范围，我们采用signal constraints 模块进行自整定，输入要求的指标，找到一组Kp ，Kd ，Ki 的参数值，然后在其基础上根据经验进行调整。当选定Kp=2，Kd=，Ki=时，可以得到比较好的响应曲线。调节时间较短，同时超调量很小。响应曲线如图2所示。 图2 PID 控制响应曲线

将数据输出到工作空间，调节时间ts =，超调量%0σ=。可以看出，PID 控制器的调节作用已经相当好。 模糊控制器的设计 1、模糊控制器的结构为： 图3 模糊控制器的结构 2、控制参数模糊化 控制系统的输入为偏差e 和偏差的变化率ec ，输出为控制信号u 。首先对他们进行模糊化处理。 量化因子的计算max min ** max min x x k x x -= - 比例因子的计算**max min max min u u k u u -=- 其中，*max x ，* min x 为输入信号实际变化范围的最大最小值；max x ，min x 为输入信号论域的最大最小值。*max u ，*min u 为控制输出信号实际变化范围的最大最小值， max u ，min u 输出信号论域的最大最小值。 被控变量 基本论域 论域 量化/比例因子 e [-1,1] {-3,-2,-1,0,1,2,3} 3e k = ec [-1,1] {-3,-2,-1,0,1,2,3} 3ec k = u [-2,2] {-6,-4,-2,0,2,4,6} 1/3u k = 相应的语言值为NB ，NM ，NS ，ZO ，PS ，PM ，PB 。分别表示负大、负中、负小、零、正小、正中、正大。 3、确定各模糊变量的隶属函数类型 语言值的隶属度函数就是语言值的语义规则，可分为连续式隶属度函数和离散化的隶属度函数。本系统论域进行了离散化处理，所以选用离散量化的隶属度函数。

模糊PID控制器设计

模糊PID控制器 o引言： PID控制作为一种典型的传统反馈控制器，以其结构简单，易于实现和鲁棒性好等特点 在工业过程控制中广泛应用。但是传统PID控制器的参数需要被控对象的数学模型来进行调整，而控制过程中的滞后性、控制参数的非线性和高阶陛增加了对Kp、Ki、Kd三个参数的 调整难度。所以对确定的控制系统通过复杂的计算后，其三个参数的值在控制运行中一般是 固定的，不易进行在线的调整。而在实际的工业生产过程中，许多被控对象受到负荷变化和 干扰因素的作用，其对象参数的特征和结构易发生改变，这就需要对参数进行动态的调整。同样因为被控系统的复杂性和不确定性，其精确的数学模型难以建立，甚至无法建立模型，所以需要利用模糊控制技术等方法来解决。模糊PID无需考虑被控系统的模型，而只根据其 误差e和误差变化ec等检测数据来自适应调整Kp、Ki、Kd的值，最终使被控系统处于稳定工作态。1、传统PID控制器： PID参数模糊自整定是找出PID中3个参数与e和ec之间的模糊关系，在运行中通过 不断检测e和ec，根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec时对控制参数的不同要求，而使被控对象有良好的动稳态性能。从系统的稳定性、响应速度、超调量和稳态精度等方面来考虑Kp,Ki,Kd的作用如下： (1)比例系数Kp的作用是：加快系统的响应速度，提高系统的调节精度。Kp越大，系统的响 应速度越快，系统的调节精度越高，但易产生超调，甚至导致系统不稳定；Kp取值过小， 则会降低调节精度，使响应速度缓慢，从而延长调节时间，使系统静态、动态特性变坏。 ⑵积分作用系数Ki的作用是：消除系统的稳态误差。Ki越大，系统的稳态误差消除越快， 但Ki过大，在响应过程的初期会产生积分饱和现象，从而引起响应过程的较大超调；若Ki 过小，将使系统稳态误差难以消除，影响系统的调节精度。 (3)微分作用系数Kd的作用是：改善系统的动态特性。其作用主要是能反应偏差信号的变化趋势,并能在偏差信号值变得太大之前，在系统中引入一个有效的早期修正信号，从而加快系统的动作速度，减少调节时间。 2、模糊PID参数自整定控制器设计 2.1控制器结构： 2.2模糊化 由PID各个参数对系统的影响得到:

基于单片机的模糊温度控制器的设计

基于单片机的模糊温度控制器的设计 1 引言 本文研究的被控对象为某生产过程中用到的恒温箱,按工艺要求需保持箱温100℃恒定不变。我们知道温度控制对象大多具有非线性、时变性、大滞后等特性, 采用常规的PID 控制很难做到参数间的优化组合, 以至使控制响应不能得到良好的动态效果。而模糊控制通过把专家的经验或手动操作人员长期积累的经验总结成的若干条规则,采用简便、快捷、灵活的手段来完成那些用经典和现代控制理论难以完成的自动化和智能化的目标, 但它也有一些需要进一步改进和提高的地方。模糊控制器本身消除系统稳态误差的性能比较差, 难以达到较高的控制精度, 尤其是在离散有限论域设计时更为明显, 并且对于那些时变的、非线性的复杂系统采用模糊控制时, 为了获得良好的控制效果, 必须要求模糊控制器具有较完善的控制规则。这些控制规则是人们对受控过程认识的模糊信息的归纳和操作经验的总结。然而, 由于被控过程的非线性、高阶次、时变性以及随机干扰等因素的影响, 造成模糊控制规则或者粗糙或者不够完善, 都会不同程度的影响控制效果。为了弥补其不足, 本文提出用自适应模糊控制技术,达到模糊控制规则在控制过程中自动调整和完善, 从而使系统的性能不断完善, 以达到预期的效果。 2 自调整模糊控制器的结构及仿真 (1) 控制对象 一般温度可近似用一阶惯性纯滞后环节来表示, 其传递函数为: 式中: K———对象的静态增益; Tc———对象的时间常数; τ———对象的纯滞后时间常数。 本文针对某干燥箱的温度控制, 用Cohn-Coon 公式计算各参数得: K=0.181; Tc=60; τ=20。 ( 2) 自调整模糊控制器的结构 自调整模糊控制器的结构如图1 所示。

模糊控制器的设计

系统开环传递函数如下，试设计一个模糊控制器 ()() 24.228 ()0.5 1.648.456G s s s s = +++ 要求： 系统开环传递函数各参数自行选择，当控制系统输入为阶跃信号时，系统输出的阶跃响应应满足以下性能指标要求： 超调量<10%；稳态精度<5%；过渡过程时间<3s. 当输入为阶跃信号时，对系统进行simulink 仿真，如图1所示。 图1 simulink 原始框图 图2单位阶跃响应

图3 误差响应图 图4 误差变化量响应图 由图2系统的单位阶跃响应可：超调量为1.43%；稳态精度为50%；过渡时间为8s。稳态精度和过渡时间均不能满足要求，下面用模糊控制对系统进行设计。 (1) 模糊集与隶属函数的建立 依据模糊控制器的控制规律，对误差E、误差变化EC及控制量U 的模糊集及论域定义如下： E、EC和U的模糊集均为{NB,NM,NS,ZO,PS,PM,PB}

E、EC和U的论域均为{-6，-5，-4，-3，-2，1,0,1，2,3,4,5,6} 在MATLAB中键入命令，”fuzzy”进入模糊逻辑编辑器窗口，建立相应的模糊推理系统，命名为”Test”。双击每个变量，打开隶属函数编辑器，并编辑对应变量的隶属函数。 图5 图6 输入变量E，EC的隶属度函数曲线

图7出变量U的隶属度函数曲线 （2）确定相关模糊规则并建立模糊控制规则表 当偏差较大时，为了加快系统的响应速度，并防止开始时偏差的瞬间变大使控制作用超出许可范围，应取较大的U。 当偏差和变化率为中等大小时，为了使系统响应的超调量减小和保证一定的响应速度，U应取小些。 当偏差变化较小时，为了使系统具有良好的稳态性能，应增大U。 参考以上原则，在模糊规则编辑器窗口输入表1所示的49条规则。如if（E is NB）and (EC is NB) then (U is PB)(1) 表1 模糊控制规则表 (3)观察模糊规则和模糊推理的输出曲面 在编辑器的View下拉菜单中选择相应选项，观察模糊规则图形和模

简易模糊控制器设计及MATLAB仿真

简易模糊控制器的设计及仿真 摘要：模糊控制（Fuzzy Control ）是以模糊集理论、模糊语言和模糊逻辑推理为基础的一种控制方法，它从行为上模仿人的模糊推理和决策过程。本文利用MATLAB/SIMULINK 与FUZZY TOOLBOX 对给定的二阶动态系统，确定模糊控制器的结构，输入和输出语言变量、语言值及隶属函数，模糊控制规则，比较其与常规控制器的控制效果，用MATLAB 实现模糊控制的仿真。 关键词：模糊控制 参数整定 MATLAB 仿真 二阶动态系统模型： ()()1140130120 ++s s 采用simulink 图库，实现常规PID 和模糊自整定PID 。 一．确定模糊控制器结构 模糊自整定PID 为2输入3输出的模糊控制器。在MATLAB 的命令窗口中键入fuzzy 即可打开FIS 编辑器，其界面如下图所示。此时编辑器里面还没有FIS 系统，其文件名为Untitled ，且被默认为Mandani 型系统。默认的有一个输入，一个输出，还有中间的规则处理器。在FIS 编辑器界面上需要做一下几步工作。 首先，模糊自整定PID 为2输入3输出的模糊控制器，因此需要增加一个输入两个输出，进行的操作为：选择Edit 菜单下的Add Variable/Input 菜单项。

如下图。 其次，给输入输出变量命名。单击各个输入和输出框，在Current Variable 选项区域的Name文本框中修改变量名。如下图 最后，保存系统。单击File菜单，选择Export下的To Disk项。这里将创建的系统命名为PID_auot.fi。 二．定义输入、输出模糊集及隶属函数

模糊控制器的设计

4模糊控制器的设计 4 Design of Fuzzy Controllor 4.1概述(Introduction) 随着PLC在自动控制领域内的广泛应用及被控对象的日趋复杂化，PLC控制软件的开发单纯依靠工程人员的经验显然是行不通的，而必须要有科学、有效的软件开发方法作为指导。因此，结合PLC可编程逻辑控制器的特点，应用最新控制理论、技术和方法，是进一步提高PLC软件开发效率及质量的重要途径。 系统设计的目标之一就是要提高装车的均匀性，车厢中煤位的高度变化直接影响装车的均匀性，装车不均匀对车轴有很大的隐患。要保持高度值不变就必须不断的调整溜槽的角度，但是，在装车过程中，煤位的高度和溜槽角度之间无法建立精确的数学模型。模糊控制它最大的特点是[43-45]：不需建立控制对象精确数学模型，只需要将操作人员的经验总结描述成计算机语言即可，因此采用模糊控制思想实现均匀装车是行之有效的方法。虽然很多PLC生产厂家推出FZ模糊推理模块，但这些专用模块价格昂贵，需使用专门的编程设备，成本高通用性差，所以自主开发基于模糊控制理论的PLC控制器有很大的工程价值。 本章首先介绍了模糊控制的基本原理、模糊控制系统及模糊控制器的设计步骤；然后在对煤位高度控制系统分析的基础上，设计基于模糊理论的PLC控制，分别从查询表计算生成和PLC程序查询两个部分进行设计。 4.2模糊控制原理(Fuzzy Control Principle) 4.2.1模糊控制理论(Fuzzy Control Theory) 模糊控制理论是由美国加利福尼亚大学的自动控制理论专家L.A.Zadch教授首次提出，由英国的Mamdani首次用于工业控制的一种智能控制技术[46]。模糊控制（FUZZY）技术是一种由数学模型、计算机、人工智能、知识工程等多门科学领域相互渗透、理论性很强的科学技术。 模糊控制是以人的控制经验作为控制的知识模型，以模糊集合、模糊语言变量以及模糊逻辑推理作为控制算法的数学工具，用计算机来实现的一中计算机智能控制[47-48]。它的基本思想是：把人类专家对待特定的被控对象或过程的控制策略总结成一系列以“IF…THEN…”形式表示的控制规则，通过模糊推理得到控制作用集，作用与被控对象或过程。与传统的控制方法相比，它具有以下优点[48]：无需知道被控对象的数学模型；是一种反映人类智慧思维的智能控制；易被人们所接受；构造容易；鲁棒性好。

常规pid控制器与模糊控制器的比较

上机实验 已知系统的传递函数为G(S)=1/(10S+1)e-0.5s。假设系统给定为阶跃值r=30，系统的初始值r(0)=0试分别设计常规PID控制器和模糊控制器。 常规PID控制器的设计： 利用Ziegler-Nichols整定公式整定PID调节器的初始参数 由公式可得 P=18 Ti=1.65 Td=0 SIMULINK仿真图 设定仿真时间为10s 仿真结果 模糊控制器的设定 1在matlab命令窗口输入“fuzzy”确定模糊控制器结构：即根据具体的系统确定输入、输出量。选取二维控制结构，即输入为误差e和误差变化ec，输出为u如下图所示 2输入输出变量的模糊化：即把输入输出的精确量转化为对应语言变量的模糊集合。首先我们要确定描述输入输出变量语言值的模糊子集，如{NB，NM，NS，ZO，PS，PM，PB}，并设置输入输出变量的论域，然后我们为模糊语言变量选取相应的隶属度函数。如下图所示 3模糊推理决策算法设计：即根据模糊控制规则进行模糊推理，并决策出模糊输出量。首先要确定模糊规则，即专家经验。如图。

制定完之后，会形成一个模糊控制规则矩阵，然后根据模糊输入量按照相应的模糊推理算法完成计算，并决策出模糊输出量。 4．对输出模糊量的解模糊：模糊控制器的输出量是一个模糊集合，通过反模糊化方法判决出一个确切的精确量，反模糊化方法很多，我们这里选取重心法。 SIMULINK仿真图 在模糊控制器的输入和输出均有一个比例系数，我们叫它量化因子，它反映的是模糊论域范围与实际范围之间的比例关系，这里模糊控制器输入的论域范围均为[-6，6]，假设误差的范围是[-10，10]，误差变化率范围是[-100，100]，控制量的范围是[-24，24]，那么我们就可以算出量化因子分别为0.6，0.06，8。量化因子的选取对于模糊控制器的控制效果有很大的影响，当输出量化因子调为10控制效果更好。 仿真曲线 常规PID控制器和模糊控制器的比较 由仿真结果可见两种控制器对系统的各项性能指标都有了改进，常规PID还是有超调量，模糊控制器的超调量几乎为零。

模糊控制器设计的基本方法

第5章 模糊控制器设计的基本方法 5.1 模糊控制器的结构设计 结构设计：确定输入、输出变量的个数（几入几出）。 5.2 模糊控制规则设计 1. 语言变量词集 {}PB PM PS O NS NM NB ,,,,,, 2. 确立模糊集隶属函数（赋值表） 3. 建立模糊控制规则，几种基本语句形式： 若A 则B c R A B A E =?+? 若A 则B 否则C c R A B A C =?+? 若A 或B 且C 或D 则E ()()R A B E C D E =+?+????????? 4. 建立控制规则表 5.3 模糊化方法及解模糊化方法 模糊化方法 1. 将[]b a ,内精确量离散化为[]n n +-,内的模糊量 2. 将其区间精确量x 模糊化为一个单点集，即0)(,1)(==x x μμ 模糊推理及非模糊化方法 1. MIN-MAX ——重心法 11112222n 00R and R and R and and '? n n n A B C A B C A B C x y c →→→→= 三步曲： 取最小 1111'()()()()c A o B o C z x y z μμμμ=∧∧ 取最大 12''''()()()()n c c c c z z z z μμμμ=∨∨∨ 2. 最大隶属度法 例： 10.3 0.80.5 0.511234 5 C =+----- ＋＋＋，选3-=*u

20.30.80.40.21101234 5 C =+ ＋＋＋ ＋ ，选 5.12 21=+=*u 5.4 论域、量化因子及比例因子选择 论域：模糊变量的取值范围 基本论域：精确量的取值范围 误差量化因子：e e x n k /= 比例因子：e y k u u /= 误差变化量化因子：c c x m k /= 5.5 模糊控制算法的流程 m j n i C u B EC A E ij j i ,,2,1;,,2,1 then then if ===== 其中 i A 、 j B 、ij C 是定义在误差、误差变化和控制量论域X 、Y 、Z 上的模糊集合，则该语句所表示的模糊关系为 j i ij j i C B A R ,??= m j n i j i C B A R z y x z y x ij j i ===== ,1 ,1)()()(),,(μμμ μ 根据模糊推理合成规则可得：R B A U )(?= Y y X x B A R U y x z y x z ∈∈=)()(),,()(μμμμ 设论域{}{}{}l m n z z z Z y y y x x x X ,,,,,,,Y ,,,,212121 ===，则X ，Y ，Z 上的模糊集合分别为一个n ，m 和l 元的模糊向量，而描述控制规则的模糊关系R 为一个m n ?行l 列矩阵。 由i x 及i y 可算出ij u ，对所有X ，Y 中元素所有组合全部计算出相应的控制量变化值，可写成矩阵()ij n m u ?，制成的表即为查询表或称为模糊控制表。 * 模糊控制器设计举例（二维模糊控制器） 1. 结构设计：二维模糊控制器，即二输入一输出。 2. 模糊控制规则：共21条语句，其中第一条规则为 t h e n o r and or if :1 PB u NM NB EC NM NB E R === 3. 对模糊变量E ，EC ，u 赋值（见教材中的表）

模糊控制与传统PID控制比较

模糊控制 与传统PID控制比较

引言： 模糊控制不需要确定系统的精确数学模型，是一种基于规则的控制。模糊控制在智能控制领域由于理论研究比较成熟、实现相对比较简单、适应面宽而得到广泛的应用。不论是对复杂的水泥回转窑的控制，还是在智能化家用电器中的应用，模糊控制都充当着重要的角色。 一个典型工业过程通常可以等效为二阶系统加上一个非线性环节（如纯滞后），给出如下典型控制对象传递函数的一般形式： Gp（s）=K*e-τs/(T1s+1)（T2s+1） PID控制： PID控制是自动控制领域产生最早、应用最广的一种控制方法。 PID控制原理图：

PID控制器传递函数的一般表达式为： Gc（s）=kp+ki/s+kd*s kp为比例增益；ki为积分增益；kd为微分增益 控制器的关键是确定三个增益值，在simulink中搭建PID系统控制模型如下图示： PID仿真结果：

模糊控制： 模糊控制是运用语言归纳操作人员的控制策略，运用变量和模糊集合理论形成控制算法的一种控制。 模糊控制原理框图： 一个基本模糊控制器主要有三个功能： （1）模糊化：把精确量(如偏差e和偏差变化ec)转化为相应的模糊量（E、EC）; （2）模糊推理：按总结的语言规则（模糊控制规则表）进行模糊推理； （3）模糊判决：把推理结果（U）从模糊量转化为可以用于实际控制的精确量（u） 模糊控制器的基本机构

设计模糊控制器主要步骤： 1.选择偏差e、偏差变化ec和控制量u的模糊语言变量为E、 EC和U。根据e、ec和u实际的基本论域，设定E、EC 和U论域都为[-6,6],可以确定出量化因子Ke、Kc和比例因子Ku。。 2.选取E、EC和U的各语言变量直，正大PB,正中PM,正小 PS，零ZE，负小NS，负中NM，负大NB，它们各自在论域上的模糊子集隶属度函数均为三角形， 3.根据总结的人工操作策略设计出模糊控制策略表： ek=yr-yk △ek=ek-ek-1

基于MATLAB的模糊控制系统设计

实验一基于MATLAB的模糊控制系统设计 1.1实验内容 （1）基于MATLAB图形模糊推理系统设计，小费模糊推理系统； （2）飞机下降速度模糊推理系统设计； （3）水箱液位模糊控制系统设计及仿真运行。 1.2实验步骤 1小费模糊推理系统设计 （1）在MATLAB的命令窗口输入fuzzy命令，打开模糊逻辑工具箱的图形用户界面窗口，新建一个Madmdani模糊推理系统。 （2）增加一个输入变量，将输入变量命名为service、food，输出变量为tip，这样建立了一个两输入单输出模糊推理系统框架。 （3）设计模糊化模块：双击变量图标打开Membership Fgunction Editor 窗口，分别将两个输入变量的论域均设为[0,10],输出论域为[0,30]。 通过增加隶属度函数来进行模糊空间划分。 输入变量service划分为三个模糊集：poor、good和excellent，隶属度函数均为高斯函数，参数分别为[1.5 0]、[1,5 5]和[1.5 10]； 输入变量food划分为两个模糊集：rancid和delicious，隶属度函数均为梯形函数，参数分别为[0 0 1 3]和[7 9 10 10]； 输出变量tip划分为三个模糊集：cheap、average和generous，隶属度函数均为三角形函数，参数分别为[0 5 10]、[10 15 20]和[20 25 30]。

（4）设置模糊规则：打开Rule Editor窗口，通过选择添加三条模糊规则： ①if (service is poor) or (food is rancid) then (tip is cheap) ②if (service is good) then (tip is average) ③if (service is excellent) or (food is delicious) then (tip is generous) 三条规则的权重均为 1.

经典PID与模糊PID控制

经典 PID 与模糊 PID 控制 一、 PID 控制规律 控制输出由三部分组成： 比例环节——根据偏差量成比例的调节系统控制量 ,以此产生控制作用 , 减 少偏差。比例系数的作用是加快系统的响应速度 ,比例系数越大 ,系统响应速度越 快,系统的调节精度越高 , 但容易产生超调 , 甚至会导致系统的不稳定 ; 比例系数 过小,会降低系统调节精度 ,系统响应速度变慢 ,调节时间变长 ,系统动态、静态特 性变坏。比例控制是最简单的控制结构， 然而，它也能使系统满足某一方面的特 性要求，如 GM 、 PM 、稳态误差等。 积分环节——用于消除静差 , 提高系统的无差度。积分作用的强弱取决于积 分时间 常数 TI 的大小, TI 越小,积分作用越强。需要注意的是积分作用过强 , 可能引起系统的不稳定。 微分环节——根据偏差量的变化趋势调节系统控制量 , 在偏差信号发生较大 的变化 以前 , 提前引入一个早期的校正注意的是微分作用过强 , 可能引起系统的 振荡。 已知被控对象的数学模型： 二、经典 PID 设计 由于在设计 PID 控制器中要调整 3 个参数，根轨迹与波特图设计方法通常不 被直 接采用。 Ziegler 与 Nichols 发展了 PID 调节器设计方法。该方法基于简单 的稳定性分析方法。首先，置 K D K I 0，然后增加比例系数直至系统开始振 荡（即闭环系统极点在 jw 轴上）。再将该比例系数乘 0.6 ，其他参数按下式计算： K P 0.6K m K D K P Pi 4w m K I K P w m Pi 式中， K m 为系统开始振荡时的 K 值； w m 为振荡频率。然而，该设计方法在设计 过程中没有考虑任何特性要求。 但是 Ziegler 与 Nichols 发现这种设计方法给予 过程控制器提供了好的工作性能。 工程师们的多年实践经验证明， 这种设计方法 的确是一种好的方法。 G(s) 2s (s 1)(s 3)(s 4)

模糊PID控制器的设计与仿真——设计步骤

模糊PID控制器的设计与仿真 设计模糊PID控制器时，首先要将精确量转换为模糊量，并且要把转换后的模糊量映射到模糊控制论域当中，这个过程就是精确量模糊化的过程。模糊化的主要功能就是将输入量精确值转换成为一个模糊变量的值，最终形成一个模糊集合。 本次设计系统的精确量包括以下变量：变化量e，变化量的变化速率ec还有参数整定过程中的输出量△ K P，△ K D，△ K,在设计模糊PID的过程中，需要将这些精确量转换成为模糊论域上的模糊值。本系统的误差与误差变化率的模糊论域与基本论域为：E=[-6,-4,-2,0,2,4,6];Ec=[-6,-4,-2,0,2,4,6] 。 模糊PID控制器的设计选用二维模糊控制器。以给定值的偏差e和偏差 变化ec为输入；△ K P，△ K D，△ K为输出的自适应模糊PID控制器，见图1。 图1模糊PID控制器 (1) 模糊变量选取 输入变量E和EC的模糊化将一定范围(基本论域)的输入变量映射到离散区 间(论域)需要先验知识来确定输入变量的范围。就本系统而言，设置语言变量取 七个，分别为NB, NM NS ZQ PS, PM PB (2) 语言变量及隶属函数 根据控制要求，对各个输入，输出变量作如下划定： e，ec 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} △心，△ K D，△ K 论域：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6} 应用模糊合成推理PID参数的整定算法。第k个采样时间的整定为 K p(k)二K p。：K p(k) , Kdk)二K I。水心),K°(k)二K D。 *D(k). 式中K P0,K|0,K D0为经典PID控制器的初始参数

基于电厂锅炉燃烧模糊控制器的设计

摘要 火力发电是当今电力生产中重要生产形式之一。在现代电力企业中，由于安全性、节耗性、提高劳动生产率等多方面要求，计算机控制系统如今广泛应用于电站控制。但在实际运行中，经常受到内部和外部的干扰，锅炉燃烧是一个多输入多输出的被控对象，而且变量间相互耦合严重，并具有多参数，非线性，不确定时滞和时变的特点，传统的 PID 控制效果往往不够理想。必须采用先进控制算法。本文首先分析了火电厂锅炉燃烧控制系统的动态特性，确定了被控对像的传递函数。然后对锅炉燃烧系统单模糊控制器进行总体设计。主要输入量的模糊化，模糊控制规则的形成，输出量的模糊化。最后通过应用MATLAB中的SIMULINK对系统进行仿真，对比模糊控制与常规PID控制的控制性能。通过仿真结果对比得出：模糊控制器的控制性能总体优于常规PID控制器，它不仅具有良好的动态特性，还具有良好的环境适应能力。 关键词：火电厂；燃烧控制系统；模糊控制；SIMULINK仿真

第一章绪论 1.1 研究背景和课题来源及意义 1.1.1 研究背景 电能是现代社会的必需品，若没有电能人类的生活生产将面临巨大的困难。电能作为最清洁的能源，其使用方法简单，运送方便，容易转换。电力工业的发展水平实际上是工农业发展、人民生活水平和科技与国防现代化的重要标志。常见的电力生产有如水力发电，核能发电，火力发电，太阳能发电、风能发和地热能发电等方法。目前电能主要由火力发电厂、水力发电厂和核能发电厂产生。在我国，火力发电是生产电力的主要方式，截止到 2009年 12 月底，全国发电量为36506 亿千瓦时，其中火力发电量为 29814.22 亿千瓦时，占总发电量的 81.67%，表 1-1 是最近几年我国火力发电情况统计表 煤是火力发电的主要燃料，中国每年消耗的煤炭用于发电占全国煤炭产量约一半的工业用煤总量，比例高达80%，为了节约资源，保护环境，应为了提高煤炭的燃烧效率。锅炉设备是火力发电过程中最重要的设备，其工作直接影响到整个电厂的运行状态。只有在中国工业锅炉实际运行效率大约有65%，与国外先进水平相比，低15-20%，通过节能改造，每年可节省大量的煤，影响锅炉效率的因素是多方面的，一方面由于燃煤发电的来源和煤种复杂多变，对燃烧系统的直接摄动；另一方面，由于设备老化和单位变换，得到变工况范围大，使电站锅炉运行状态往往偏离最优条件，因此，对锅炉燃烧系统优化控制技术先进，保证锅炉的安全环保经济运行，具有非常重要的现实意义。锅炉燃烧优化系统的本质是运行技术改变锅炉设备参数的前提下，通过对燃料和空气分配比等参数提供调整，使锅炉燃烧燃烧处于最佳状态，以增加同时对锅炉安全运行的热效率，锅炉的实现经济，环境保护和安全操作。 1.2 模糊控制在火电厂燃烧控制系统中应用的意义 自Zadeh教授在美国大学1965加利福尼亚建立了模糊集理论和1974英国e.h.mam2dani 在锅炉和汽轮机控制模糊控制中的应用是成功的，模糊控制已在开发在现实生活中广泛应用，其根源在于模糊逻辑本身提供了专家信息，语言为一种推理方法的控制系统结构。通俗的讲，模糊控制是模糊推理的控制对象，模仿人的思维方式难以建立精确数学模型的实现。它是利用模糊数学的交叉复合产品的控制理论，而且是智能控制的重要组成部分。突出了模糊控制的特点

模糊PID控制

模糊P I D控制器在伺服系统中的应用 造车网2008年09月09日 0 引言 传统PID（比例、积分和微分）控制原理简单，使用方便，适应性强，可以广泛应用于各种工业过程控制领域。但是PID控制器也存在参数调节需要一定过程，最优参数选取比较麻烦的缺点，对一些系统参数会变化的过程，PID控制就无法有效地对系统进行在线控制。不能满足在系统参数发生变化时PID参数随之发生相应改变的要求，严重的影响了控制效果。本文介绍了基于车载伺服系统的模糊PID控制，它不需要被控对象的数学模型，能够在线实时修正参数，使控制器适应被控对象参数的任何变化。并对其进行仿真验证，结果表明模糊PID控制使系统的性能得到了明显的改善。 1 传统PID与模糊PID的比较 PID控制 PID控制器问世至今凭借其结构简单、稳定性好、工作可靠、调整方便等优点成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握、得不到精确的数学模型时，采用PID控制技术最为方便。PID控制器的参数整定是控制系统设计的核心。它是根据被控过程的特性来确定PID控制器的参数大小。PID控制原理简单、易于实现、适用面广，但PID控制器的参数整定是一件非常令人头痛的事。合理的PID参数通常由经验丰富的技术人员在线整定。在控制对象有很大的时变性和非线性的情况下，一组整定好的PID参数远远不能满足系统的要求。为此，引入了一套模糊PID控制算法。

模糊PID控制 所谓模糊PID控制器,即利用模糊逻辑算法并根据一定的模糊规则对PID控制的比例、积分、微分系数进行实时优化,以达到较为理想的控制效果。模糊PID控制共包括参数模糊化、模糊规则推理、参数解模糊、PID控制器等几个重要组成部分。计算机根据所设定的输入和反馈信号，计算实际位置和理论位置的偏差e以及当前的偏差变化ec，并根据模糊规则进行模糊推理，最后对模糊参数进行解模糊，输出PID控制器的比例、积分、微分系数。 2 车载天线伺服系统 车载天线伺服系统的组成 车载天线系统由两部分组成：户外设备和户内设备。户外设备主要是天线伺服跟踪系统（包括平台、平台伺服跟踪系统、惯性传感器、GPS、卫星天线等）;户内设备主要是控制器（包括各传感器接口、数据采集、控制器、卫星接收机等）和主控计算机，两者之间采用电缆连接，具有稳定跟踪和接收卫星信号的两大功能。 本系统采用德州仪器推出的TMS320LF2407A，与传统的单片机相比有巨大的优势。只需外加较少的硬件即可实现电机控制系统。本系统采用增量式光电码盘反馈转子的速度和磁极位置及初始位置。车载天线伺服系统模糊PID控制框图如图1所示。 图1 车载天线伺服系统模糊PID控制框图 车载天线伺服系统数学模型的确定 若电机的负载为常数且只输出电机转动的角速度，则得到直流伺服电机的传递函数如式（1）。

设计模糊控制器

设计模糊控制器 实验题目：MATLAB中模糊控制器设计 课程名称：智能控制概论 任课教师：任彦 姓名：吕同兴学号：1167106317 班级：自动化11-3班 一、实验目的 利用MATLAB中模糊工具箱设计一个模糊控制器 二、相关知识 一般控制系统的架构包含了五个主要部分，即:定义变量、模糊化、知识库、逻辑判断及反模糊化： 1、定义变量 也就是决定程序被观察的状况及考虑控制的动作，例如在一般控制问题上，输入变量有输出误差E与输出误差变化率EC，而模糊控制还将控制变量作为下一个状态的输入U。其中E、EC、U统称为模糊变量。 2、模糊化 将输入值以适当的比例转换到论域的数值，利用口语化变量来描述测量物理量的过程，根据适合的语言值（linguistic value）求该值相对的隶属度，此口语化变量称为模糊子集合（fuzzy subsets）。 3、知识库 包括数据库（data base）与规则库（rule base）两部分，其中数据库提供处理模糊数据的相关定义；而规则库则藉由一群语言控制规则描述控制目标和策略。 4、逻辑判断 模仿人类下判断时的模糊概念，运用模糊逻辑和模糊推论法进行推论，得到模糊控制讯号。该部分是模糊控制器的精髓所在。 5、解模糊化 解模糊化（defuzzify）：将推论所得到的模糊值转换为明确的控制讯号，做为系统的输入值。 三、控制背景 直线一级倒立摆的模糊控制 四、参考资料整理

1、【名称】基于模糊控制理论的二级倒立摆控制算法 【作者】过润秋；洪旭；苏旺旺； 【关键词】二级倒立摆；模糊控制；融合函数；量化因子； 【期刊名】西安电子科技大学学报 【发表时间】2006年01期 【简介】采用模糊控制理论研究了二级倒立摆控制问题.运用最优控制方法设计了融合函数以降低模糊控制器的输入变量维数,大大减少模糊控制的规则数,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,进而提高模糊控制器的性能品质.仿真和实验结果都证明这种模糊控制算法规则数少,响应速度快,有良好的稳定性和鲁棒性. 2、【名称】直线一级倒立摆控制策略研究及仿真分析 【作者】梁春辉；冯雷；张欣； 【关键词】直线一级倒立摆；数学模型；经典控制方法；现代控制方法； MATLAB/SIMULINK； 【期刊名】长春工程学院学报(自然科学版) 【发表时间】2010年01期 【简介】应用牛顿力学定律建立了直线一级倒立摆的传递函数、状态空间表达式等数学模型,并分析其稳定性、可控性和可观测性。在此基础上,分别研究经典控制方法和现代控制方法在一级倒立摆系统中的应用,包括PID控制算法、系统频率响应分析与校正、线性二次最优控制算法和极点配置法,并在MATLAB/SIMULINK仿真平台上对这些控制算法的效果进行仿真,可以取得不同的控制效果。 3、【名称】基于变量分组模糊控制算法的倒立摆系统 【作者】魏胜男； 【关键词】倒立摆；模糊控制；变量分组；两回路； 【期刊名】微计算机信息 【发表时间】2012年02期 【简介】采用模糊控制理论研究了直线一级倒立摆控制问题。直线一级倒立摆系统是多变量不稳系统,为了解决模糊规则爆炸问题,本文采用了变量分组的方法完成倒立摆模糊控制器的设计方案。要使直线一级倒立摆系统稳定,必须对小车位置和摆杆角度同时进行闭环控制,而单一的控制只能控制一个控制量,本文提出了两回路的模糊控制方案。仿真和实验结果证明了该方案的可行性和良好的控制性能。

模糊PID控制

模糊PID控制器在伺服系统中的应用 造车网2008年09月09日 0 引言 传统PID（比例、积分和微分）控制原理简单，使用方便，适应性强，可以广泛应用于各种工业过程控制领域。但是PID控制器也存在参数调节需要一定过程，最优参数选取比较麻烦的缺点，对一些系统参数会变化的过程，PID控制就无法有效地对系统进行在线控制。不能满足在系统参数发生变化时PID参数随之发生相应改变的要求，严重的影响了控制效果。本文介绍了基于车载伺服系统的模糊PID控制，它不需要被控对象的数学模型，能够在线实时修正参数，使控制器适应被控对象参数的任何变化。并对其进行仿真验证，结果表明模糊PID控制使系统的性能得到了明显的改善。 1 传统PID与模糊PID的比较 1.1 PID控制 PID控制器问世至今凭借其结构简单、稳定性好、工作可靠、调整方便等优点成为工业控制的主要技术之一。当被控对象的结构和参数不能完全掌握、得不到精确的数学模型时，采用PID控制技术最为方便。PID控制器的参数整定是控制系统设计的核心。它是根据被控过程的特性来确定PID控制器的参数大小。PID 控制原理简单、易于实现、适用面广，但PID控制器的参数整定是一件非常令人头痛的事。合理的PID参数通常由经验丰富的技术人员在线整定。在控制对象有很大的时变性和非线性的情况下，一组整定好的PID参数远远不能满足系统的要求。为此，引入了一套模糊PID控制算法。 1.2 模糊PID控制

所谓模糊PID控制器,即利用模糊逻辑算法并根据一定的模糊规则对PID控制的比例、积分、微分系数进行实时优化,以达到较为理想的控制效果。模糊PID 控制共包括参数模糊化、模糊规则推理、参数解模糊、PID控制器等几个重要组成部分。计算机根据所设定的输入和反馈信号，计算实际位置和理论位置的偏差e以及当前的偏差变化ec，并根据模糊规则进行模糊推理，最后对模糊参数进行解模糊，输出PID控制器的比例、积分、微分系数。 2 车载天线伺服系统 2.1 车载天线伺服系统的组成 车载天线系统由两部分组成：户外设备和户内设备。户外设备主要是天线伺服跟踪系统（包括平台、平台伺服跟踪系统、惯性传感器、GPS、卫星天线等）;户内设备主要是控制器（包括各传感器接口、数据采集、控制器、卫星接收机等）和主控计算机，两者之间采用电缆连接，具有稳定跟踪和接收卫星信号的两大功能。 本系统采用德州仪器推出的TMS320LF2407A，与传统的单片机相比有巨大的优势。只需外加较少的硬件即可实现电机控制系统。本系统采用增量式光电码盘反馈转子的速度和磁极位置及初始位置。车载天线伺服系统模糊PID控制框图如图1所示。 图1 车载天线伺服系统模糊PID控制框图 2.2 车载天线伺服系统数学模型的确定 若电机的负载为常数且只输出电机转动的角速度，则得到直流伺服电机的传